腾讯广告算法大赛概况 - 大赛为腾讯广告主办的标杆级技术赛事，冠军奖金200万元，亚军季军奖励为六位数，所有决赛选手均获得一台iPad [1] - 比赛吸引了全球8400余名学生、2800多支队伍参与，覆盖近30个国家 [34] - 大赛总奖金池为380万元，其中包含因方案亮眼而临时增设的20万元创新奖 [32] 赛题技术前沿性与挑战 - 赛题为“全模态生成式推荐”，旨在处理图像、视频、音频等多模态信息，是当前广告推荐系统最前沿且接近真实业务的技术方向 [5][7][8] - 该技术涉及大模型、生成对抗网络、扩散模型等AI方法，真正进入工业实践仅近两年，是腾讯广告目前最重视的技术 [9][11] - 赛题挑战具体，包括多模态数据噪声大、模态对齐难、数据分布不均、冷启动问题突出，以及长序列带来的显存占用、训练效率和推理时延等工程约束 [12][13] 优胜团队解决方案亮点 - 冠军队Echoch方案核心在于大规模序列建模与工程可落地性，通过对高维ID特征压缩来降低开销，支持更长序列和更大批次的训练，并优化用户长期兴趣演化与多目标约束 [19] - 亚军队leejt方案重点在于数据质量与结构建模，对多模态特征进行筛选聚合，并引入图结构来缓解样本稀疏和冷启动问题，提升了稳定性和泛化能力 [19][20] - 季军队也许明天方案对曝光、点击和转化进行显式区分建模，采用条件生成预测用户行为，并在推理阶段过滤低价值曝光，使输出更贴近实际业务决策逻辑 [21][22] 大赛作为人才选拔与培养通道 - 大赛为参赛学生提供了实战级赛题演练、获得实习或直通offer的机会，以及大厂提供的算力和平台资源 [3][4] - 比赛过程本身完成了接近真实业务环境的能力验证，通过从初赛到复赛的数据规模（从1M扩展到10M）和目标复杂度升级，筛选出方案扎实的团队 [40][41][42] - 腾讯公司副总裁蒋杰评价学生方案不比工业界差，且对大模型的理解能跟上潮流甚至更有创新性 [23][24] - 大赛是公司“揽人”策略的一部分，旨在集中观察和交流，高效筛选硬核技术人才，避免传统招聘的局限 [28][37][39][42] 公司人才战略与投入 - 腾讯在2025年启动了史上最大的就业支持计划，面向全国吸纳了10000名校招实习生，其中六成岗位面向技术人才开放 [45][46][47] - 公司通过高额奖金、算力支持及学生关怀活动（如午餐会、交流晚宴）吸引年轻人才，释放强烈的人才需求信号 [32][49][50][52] - 公司人事变动显示出对年轻人才的青睐，例如将28岁的年轻人放在AI重要位置上 [54] - 研究人员队伍壮大表明公司对研发的投入在不断加大 [48]

文章核心观点 - 文章通过分析2025年腾讯广告算法大赛冠亚军的解决方案，探讨了广告推荐系统从传统判别式方法向全模态生成式方法演进的技术趋势，并展示了年轻技术人才如何解决工业界真实存在的复杂难题 [1][4][5][51] 广告推荐的技术演进与挑战 - 广告推荐的核心目标是在合适的时间将广告推送给真正可能需要的人，以减少无效曝光和对用户的打扰 [7] - 业界目前主要有两种方法：传统判别式方法和新兴的生成式方法 [8] - 传统判别式方法通过级联架构和手工特征匹配用户与广告，但已遇到效果提升有限、冷启动困难等瓶颈 [11][14] - 生成式方法通过分析用户长时间跨度的行为序列，预测用户“下一步最可能发生什么”，能更好地理解用户意图和利用世界知识 [14][15] - 腾讯广告算法大赛的赛题定为“全模态生成式推荐”，要求基于用户的多模态历史行为数据预测下一次交互 [16] - 工业界已出现相关探索，如Google TIGER、Meta HSTU、快手的OneRec和腾讯的GPR，其中HSTU首次在推荐中观察到了Scaling Law [17] - 该领域仍面临工业级动态词表带来的训练/推理爆炸、毫秒级延迟与巨量算力的矛盾等挑战 [19] 大赛赛题的难点与要求 - 赛题对应超大规模数据场景：涉及千万级广告、千万级用户及同等规模的交互序列，但训练计算资源有限 [21] - 数据结构复杂：包含经过脱敏处理的文本、图像及协同行为等多模态数据，且存在特征缺失、行为序列时间跨度大等问题 [21] - 任务目标复杂：复赛需同时优化曝光、点击与转化等多个隐式目标，且存在近半数的冷启动广告项目 [22] 冠军团队Echoch的解决方案 - 团队来自华中科技大学、北京大学、中国科学技术大学 [25] - **特征工程**：提出三级会话体系、周期编码和时间差分桶，让模型理解用户“此时此刻”的状态，具备时间感和节奏感 [28][29][32] - **模型设计**：针对需同时预测点击与转化的问题，让同一模型能根据目标自动切换推荐策略 [35] - **基座模型优化**：将基座模型从HSTU换为LLM，利用其RoPE位置编码自带“时间感”，使线上得分提升，显存占用减少约5G [36] - **语义ID改进**：在编码最后一层引入随机性，使码表使用更均匀，长尾物品训练关注度提升190倍，码表利用率从81.2%提升至100%，衡量曝光不平等度的Gini系数从0.53降至近0 [37] - **训练加速**：引入Muon优化器，与AdamW相比，显存占用实测锐减45%，收敛速度提升40% [38] 亚军团队leejt的解决方案 - 团队来自中山大学 [40] - **数据处理**：通过将低频广告映射到共享词表及ID哈希编码，压缩千万级广告词表规模，解决显存瓶颈 [42] - **特征处理**：对高维多模态特征使用SVD降维去噪，再通过RQ-KMeans离散为语义ID，对缺失率高、效果不佳的模态特征选择舍弃 [43] - **序列建模**：通过session划分明确行为边界，并引入异构时序图，利用用户、广告及语义节点之间的关系网络来弥补个体数据的稀疏性 [44] - **工程优化**：采用混合精度训练、梯度检查点、torch.compile图编译等技术，将每步训练时间从3.5秒压缩到0.8秒，GPU利用率拉满至100%，成功将模型从4层512维扩展到8层2048维，验证了Scaling is all you need的核心信念 [45][48] 行业趋势与未来展望 - 从判别式到生成式的演进正在平稳推进，腾讯内部已在召回和粗排阶段用生成式模型替代传统模型，并取得了不错的效果，相关收益已在财报营收数据上有所体现 [51] - 生成式推荐是能落地并创造商业价值的技术方向 [51] - 为适应趋势，腾讯广告的数据将全面多模态化，内部广告系统也将全面Agent化，并将本次大赛数据开源以支持社区发展 [52] - 未来广告推荐可能走向即时生成，根据用户当下的兴趣、场景、情绪实时生成个性化广告内容，实现真正的“千人千面” [52]

赛事概况 - 2025腾讯算法大赛决赛于11月26-27日在深圳腾讯全球总部成功举办，赛事历时5个多月，全球超过2800支队伍参与，最终20支队伍进入决赛 [1] - 冠军队伍“Echoch”成员来自华中科技大学、北京大学、中国科学技术大学，亚军“leejt”队和季军“也许明天”队成员分别来自中山大学和香港大学 [1] - 前三甲队伍均获得腾讯的offer意向书及奖金，大赛另设20万元人民币的技术创新奖授予中国科学院计算技术研究所的队伍 [1] 赛事规模与影响力 - 本届大赛吸引全球近30个国家超过8400人报名，海外报名人数创历史新高，赛事奖金池达360万元人民币 [5] - 公司副总裁表示，超过8000人的报名是一个强烈信号，表明AI正吸引新一代年轻人，并印证了公司在技术生态上的凝聚力 [3] - 大赛为中国数据规模最大的全模态生成式推荐算法大赛，提供腾讯直通offer机会及真实广告业务场景实战机会 [5] 技术焦点与创新 - 赛题为“全模态生成式推荐”，选手在比赛中主动应用并创新升级LLM（大语言模型）、MLLM（多模态大语言模型）及推荐前沿技术 [3] - 决赛方案在生成式模型结构、多模态embedding应用及算法工程codesign等方面体现创新和突破 [3] - 该技术能综合运用各种形式的数据（全模态），采用生成式算法推荐个性化广告，对提升广告精准度和优化用户体验具有重要探索价值 [5] 业务应用与战略方向 - “全模态生成式推荐”是广告AI的发展方向，有助于广告系统优化推荐效率，提升广告转化率 [5] - 公司Q3财报中首次亮相“腾讯广告AIM+”智能投放产品矩阵，支持广告主自动配置定向、出价、版位及优化广告创意 [6] - 腾讯广告妙系列AI产品正逐步形成“陪伴—策略—内容—执行—优化”的Business Agent联动生态，并在实际业务中持续探索生成式推荐技术 [6] 产学结合与生态建设 - 大赛决赛评委由全球知名高校学者、技术专家及腾讯技术专家组成，赛后赛题数据集将开源以促进产学技术交流 [3][5] - 公司希望通过比赛让学界、业界结合，助力AI人才浮现，让技术创新想法有机会落地于业务并呈现真正价值 [3] - 经过长期深耕，腾讯广告已基于坚实的AI技术底座形成智能化营销体系，为商家降本增效、提升转化效果 [5]

公司活动 - 腾讯于8月1日正式启动算法大赛 全球8400名学生参与角逐 [1] - 大赛聚焦"全模态生成式推荐"前沿赛题 [1]

腾讯广告算法大赛核心亮点 - 聚焦全模态生成式推荐技术（All-Modality Generative Recommendation），探索生成式推荐新范式重构行业生态 [3][8] - 大赛主题为「智 AI，荐未来」，旨在为高校学子提供兼具前瞻性与实战价值的演练场 [3] - 参赛者需基于脱敏用户协同、文本、视觉等全模态历史行为数据预测广告交互，突破传统判别式推荐框架 [8] 评审与资源支持 - 评审团由中国科学院院士胡事民、香港中文大学金国庆教授、腾讯副总裁蒋杰等学界与业界顶尖专家组成 [5] - 获得深圳市市场监管局、人力资源和社会保障局政策支持，获奖者可申请人才培养项目 [7] - 总奖金池达数百万人民币，冠军团队独享超百万现金奖励，决赛队伍全员获腾讯实习Offer及转正机会 [9] 参赛价值与职业发展 - 算法创新可直接应用于腾讯广告日触达亿级用户的流量场景，影响数亿用户 [14] - 广告业务年营收过千亿且稳步增长，技术岗位晋升速度领先行业，公司正扩大技术人才储备 [14] - 优胜者可优先接触腾讯多模态大模型训练平台、实时推荐引擎等前沿技术资源 [14] 赛程与参赛资格 - 报名时间：6月16日-7月31日，初赛（8月1日-9月15日）、复赛（9月16日-10月31日）、决赛（11月线下深圳） [14] - 面向全球全日制在校学生（本科至博士后），博士后符合特定条件可纳入应届生范围 [13] - 赛事由腾讯广告主办，联合腾讯大数据、Angel机器学习平台等内部多个部门承办 [16]